Fachthemen
Blackbox- versus Whitebox-Modelle und Ansätze für erklärbare künstliche Intelligenz
Lisa Otten, Franz-Kilian Erhardt
Abstract
Viele Algorithmen der künstlichen Intelligenz beruhen auf fortgeschrittener Mathematik und (Lern-)Verfahren, die für Menschen schwer oder kaum nachvollziehbar sind, was die Interpretierbarkeit ihrer Ergebnisse erschwert. Häufig liegt die Situation vor, dass gerade komplizierte (eher unverständliche) Algorithmen bessere Prognosen ermöglichen als besser verständliche Algorithmen und Verfahren. Der Beitrag stellt diesen Zielkonflikt dar und beschreibt Ansätze, die Erklärbarkeit und Interpretierbarkeit zu verbessern.
